Beszélgetés közben feladatokat is végez a Mistral új Voxtral 3 rendszere
A hangalapú AI-ágensek időpontot foglalhatnak és számlát ellenőrizhetnek, de az árak és a teljesítmény körül még vannak nyitott kérdések.
▶ 30 MÁSODPERCBEN
- MI TÖRTÉNT
- A Mistral AI bemutatta a Voxtral 3 modellcsaládot és fejlesztői eszköztárát, amely összekapcsolja a beszédfelismerést, a válaszadást és a feladatvégzést.
- MIÉRT FONTOS
- A fejlesztők olyan hangalapú szolgáltatásokat építhetnek vele, amelyek élő beszélgetés közben külső rendszereket használnak, akár saját infrastruktúrán futva.
- MI JÖN MOST
- Független teszteknek kell igazolniuk a teljesítményígéreteket; az árazás, a nyelvjárások kezelése és a hangadaptáció biztosítékai is tisztázásra várnak.
Időpontfoglalás vagy számlaellenőrzés egy élő beszélgetés közben: ilyen feladatokra szánja a Mistral AI a 2026. október 20-án bejelentett Voxtral 3 rendszert. A hangalapú AI-ágens — vagyis feladatokat végrehajtó mesterséges intelligencia — nemcsak meghallgatja a kérdést és kimondja a választ, hanem külső rendszerekhez is kapcsolódhat. A cél a munkafolyamatok automatizálása, nem pusztán egy beszélő kérdezz-felelek.
A beszédfelismeréstől a végrehajtásig
A csomag három fő eleme a beszédet szöveggé alakító Voxtral Small Transcribe 3, a szöveget felolvasó Voxtral Mini TTS 3 és a LiveKitre épülő fejlesztői eszköztár. Ezek folyamatos adatáramlással kapcsolják össze a hallottak feldolgozását, a válasz megtervezését, a külső eszközök használatát és a megszólalást. A Mistral ezt a természetes hangos beszélgetések teljes feldolgozási láncaként írja le.
A The Decoder szerint a beszédfelismerés több mint 50 nyelvet támogat, a beszédelőállítás pedig több mint 35 nyelvet és 50 nyelvjárást, érzelmi árnyalással. A Crypto Briefing Mistral saját összefoglalójára hivatkozva összesítve 50-nél több nyelvet említ, míg a részletesebb bontásban 35-nél több nyelvről és 50-nél több nyelvjárásról ír. A Pro Voice funkció legfeljebb 30 percnyi mintafelvétel alapján tesz lehetővé nagy hűségű hangadaptációt.
Saját infrastruktúra is választható, az ár még nem egyértelmű
A Mistral közlése szerint a rendszer az ügyfél saját infrastruktúráján vagy EU-ban üzemeltetett programozási felületeken, API-kon keresztül is használható, hogy az adatok az ügyfél ellenőrzése alatt maradjanak. Ez azoknak a fejlesztőknek és szervezeteknek fontos szempont, amelyeknél a hangfelvételek és az ügyintézés adatainak kezelése meghatározza a szolgáltatóválasztást.
A versenytársak legyőzése egyelőre vállalati állítás
A Mistral szerint a Voxtral 3 különféle teljesítményteszteken felülmúlja az OpenAI és az ElevenLabs zárt modelljeit, többek között az átírás pontosságában és a beszéd kifejezőerejében. Külön az OpenAI Whisper large-v3 beszédfelismerő modelljével szemben is előnyt állít. A Crypto Briefing ugyanakkor hangsúlyozza: független értékelésekről még nem számoltak be.
A fejlesztés a Mistral 2025 júliusában indított beszédértési modelljeit és a 2026 márciusában bemutatott beszédelőállítási fejlesztéseit követi. A Crypto Briefing szerint a cég eddig erősen támaszkodott a nyílt súlyú modellekre, szemben az OpenAI és az ElevenLabs zárt, saját fejlesztésű megközelítésével. Nyitott kérdés marad a nagyobb használat melletti árazás, az egyes regionális nyelvjárások felismerése, valamint a Pro Voice esetében a beleegyezés és a visszaélések kezelése.
TECH-SZÓTÁR
- API
- Programozási felület, amelyen keresztül egy alkalmazás egy másik rendszer szolgáltatásait használhatja.
- Fejlesztői eszköztár (SDK)
- Kész szoftveres elemek gyűjteménye, amely megkönnyíti egy szolgáltatás beépítését.
- Nyílt súlyú modell
- Olyan modell, amelynek betanított paraméterei hozzáférhetők, de használatukat a licenc korlátozhatja.
» Követett téma: AI · régió: EU · kulcsszó: Mistral, hangalapú ágensek